-
公开(公告)号：CN108564227B
公开(公告)日：2021-08-06
申请号：CN201810382245.3
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征的轨道交通客流量预测方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3将步骤S2中0至t时刻目标站点历史数据的空间特征和时序特征对应的合成0至t时刻目标站点的二维向量；S4建立LSTM人工神经网络模型，将0至t时刻目标站点的二维向量作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的二维向量输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
公开(公告)号：CN108564228A
公开(公告)日：2018-09-21
申请号：CN201810382266.5
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时序特征预测轨道交通OD客流量的方法，包括如下步骤：S1:采集轨道交通客流OD的历史数据，提取顺序时间序列与历史同期序列；S2：将顺序时间序列与历史同期序列结合得到新的时间客流量序列；S3：建立LSTM模型，将0至t时刻新的时间客流量序列作为输入对LSTM模型进行训练，然后再将t时刻新的时间客流量序列输入训练后的LSTM模型，得到t+1时刻的OD客流量。本发明方法将顺序时间序列与历史同期序列进行结合，形成新的特征组，用于预测轨道交通OD客流量，预测精度高。
-
公开(公告)号：CN108564227A
公开(公告)日：2018-09-21
申请号：CN201810382245.3
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征的轨道交通客流量预测方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3将步骤S2中0至t时刻目标站点历史数据的空间特征和时序特征对应的合成0至t时刻目标站点的二维向量；S4建立LSTM人工神经网络模型，将0至t时刻目标站点的二维向量作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的二维向量输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
公开(公告)号：CN107180278A
公开(公告)日：2017-09-19
申请号：CN201710387638.9
申请日：2017-05-27
申请人： 重庆大学
摘要： 本发明涉及一种轨道交通实时客流预测方法，主要解决现有技术中存在的预测准确率低，计算量大的技术问题，本发明通过采用方法包括：从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本；依据中预处理样本，根据核函数及拟合回归函数建立基于支持向量回归机的短时客流预测模型，所述核函数为径向基函数；将时间序列向量X及与时间序列向X量对应的客流向量Y作为输入拟合预测函数，将所述输入拟合预测函数输入步骤短时客流预测模型，预测客流向量Yn+1；的技术方案，较好的解决了该问题，可用于轨道交通实时客流预测中。
-
公开(公告)号：CN107103394A
公开(公告)日：2017-08-29
申请号：CN201710387632.1
申请日：2017-05-27
申请人： 重庆大学
CPC分类号： G06Q10/04 , G06N3/0481 , G06Q50/26
摘要： 本发明涉及一种基于神经网络的轨道交通实时客流预测方法，主要解决现有技术中存在的准确度低的技术问题，本发明通过采用从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本；依据非线性自回归神经网络，建立关于时间序列的短时客流预测模型p(t)，所述非线性自回归神经网络包括输入层、输入滞时、隐藏层、输出层及输出滞时；根据非线性自回归神经网络模型p(t)，以及训练算法，进行实时客流预测，所述实时客流预测包括短时客流预测、高峰预测及客流分布站点预测的技术方案，较好的解决了该问题，可用于轨道交通实时客流预测中。
-
公开(公告)号：CN107067076A
公开(公告)日：2017-08-18
申请号：CN201710396207.9
申请日：2017-05-27
申请人： 重庆大学
CPC分类号： G06N3/08 , G06N3/0481 , G06Q10/04 , G06Q50/30
摘要： 本发明涉及一种基于时滞NARX神经网络的客流预测方法，主要解决现有技术中存在的预测精确度低的技术问题，本发明通过采用方法包括从自动售检票系统采集n个历史数据作为原始样本，预处理得到预处理样本；依据带有外部输入的非线性自回归网络，建立关于时间序列的NARX短时客流预测模型p(t)，外部输入为外部印象因素u(t)，带有外部输入的非线性自回归网络包括输入层、输入滞时、隐藏层、输出层及输出滞时，根据NARX短时客流预测模型，激励函数以及训练算法，进行实时客流预测，实时客流预测包括短时客流预测、高峰预测及代表性的客流分布站点预测的技术方案，解决了该问题，可用于轨道客流预测中。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.024 秒)
